论文部分内容阅读
现存极化码译码算法仍然遭受非常高的复杂度.针对此问题,提出一种基于BP神经网络的SCL译码算法,该算法通过离线收集数据来搭建并训练一个合适的BP神经网络;借助已完成训练的BP神经网络,通过在线操作来寻找列表大小L的最优初始值;在此基础上,通过设计一种改进的SCL译码算法来降低复杂度.实验结果表明,与现存算法相比,新算法在低信噪比下能够显著降低平均译码复杂度.